Python データ分析 グラフ

インストール

pip install matplotlib
pip install seaborn

サンプルデータの準備

kd2018

pandas内のmatplotlibを利用し、グラフを表示する。

import pandas as pd

df = pd.read_csv("kd2018.csv", index_col = '回')

df.plot()

seaborn利用

import pandas as pd
import seaborn as sns
sns.set_theme(font=["Meiryo"])

df = pd.read_csv("kd2018.csv")

df.plot()

表示するデータを指定

df.plot(y="総数")

#複数指定
df.plot(y=["男性","女性"])

タイトル

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_theme(font=["Meiryo"])

df.plot(y="総数")

plt.title("参加人数")

ラベル

df.plot(y="総数")

plt.title("参加人数")
plt.xlabel('開催回')
plt.ylabel('人数')

フォントサイズ

df.plot(y="総数")

plt.title("参加人数",fontsize=20)
plt.xlabel('開催回',fontsize=14)
plt.ylabel('人数',fontsize=10)

サイズ

df.plot(y="総数",figsize=(10,6))

縦軸の範囲

ylim=(最小値, 最大値)

df.plot(y=["男性","女性"], ylim=(10,100))

色

colorに色の名前、または16進色コード（#ff0000など）のリストを指定する

df.plot(y=["男性","女性"],color=['blue','red'])

またはcolomapを指定する

df.plot(y=["男性","女性"],colormap='cool')

グリッド

df.plot(y=["男性","女性"],grid=False)

描画

点を描画

df.plot(y=["男性","女性"])

x = 190
y = 30
plt.plot(x, y, c="r", marker="X", markersize=15)

線を描画

# 縦線
plt.axvline(x, c="r", linestyle="--")

# 横線
plt.axhline(y, c="r", linestyle="--")

複数グラフ

df.plot(subplots=True,layout=(2,2),sharey=True)

画像の保存

ax = df.plot()
fig = ax.get_figure()
fig.savefig('graph.png')

※Jupyterから直接保存するにはShift+右クリックして、[名前を付けて画像を保存]

subplotsを指定した場合、ax[0][0].get_figure() で取得

指数表示の解除

大きい数字の場合、目盛りに指数で表示されることがある。例えば1e7と目盛りに付いた場合、単位が10の7乗として表示される。

これを解除するには以下のようにする（y軸の場合）。

ax = df.plot(y="回")
ax.ticklabel_format(style="plain", axis = "y")

df.plot.bar()

# 男性と女性
df.plot.bar(y=["男性","女性"])

# 積み上げ棒グラフ
df.plot.bar(y=["男性","女性"], stacked=True)

# 水平棒グラフ
df.plot.barh(y=["男性","女性"])

箱の中央が中央値（第二四分位点）、箱の範囲が上下が25%の枠（第一四分位点、第三四分位点）。箱の外の上が最大値、下が最小値。
箱の長さの1.5倍以上箱から離れている値は外れ値として最大値・最小値の対象外（○で表示）

df[["男性","女性"]].plot.box()

seabornを使用した箱ひげ図

sns.boxplot(data = df[["男性","女性"]], width=0.2)

箱の大きさ＝第三四分位点－第一四分位点
箱の下辺＝第一四分位点
箱の上辺＝第三四分位点

# 第一四分位点
q1= df["女性"].quantile(0.25)

# 第三四分位点
q3= df["女性"].quantile(0.75)

# 箱の範囲
iqr=q3-q1

# 下限
min = q1 - iqr*1.5

# 上限
max = q3 + iqr*1.5

# 上限以上
df[df["女性"]>= max]

pie()関数にstartangleとcounterclockを指定し、日本で一般的には上から時計回りに表示した場合

s = df[["男性","女性"]].sum() # 合計
d = pd.DataFrame(s, columns=["人数"])
d["人数"].plot.pie(startangle=90, counterclock=False)

# 割合表示形式、フォント、色
d["人数"].plot.pie(autopct = "%1.0f%%",textprops = {"fontsize":"16"},colors = ["skyblue","#ff8888"])

# 切り離し、陰
d["人数"].plot.pie(explode = (0, 0.1),shadow = True)

頻度のグラフ。データの散らばり方が分かる。binsで何区間に分割するかを指定する。

区間数は目安としては総数の平方根程度にする。

ax = df.plot.hist(y="総数",bins=5)
ax.set_ylabel('頻度') # ラベル表示

df.plot.scatter(x="男性",y="女性",c='b')

２つのデータの関係を示す図。右肩上がりだと正の相関、右肩下がりだと負の相関がある。

ヒートマップ

スタイル